北京交通大学硕士研究生导师信息：米希伟

　　在读研期间，所有与你读研相关的事情，可能都需要经过你的导师同意，所以说，选择导师真的很重要，也希望大家能够认真对待这件事，怎样才能选择适合自己的导师呢?这就要我们提前做足功课，尽可能多的搜集有关你准备报考的导师的信息，下面新东方在线考研频道为大家分享：“北京交通大学硕士研究生导师信息：米希伟”文章。

　　北京交通大学硕士研究生导师信息：米希伟

　　米希伟

　　博士、副教授

　　基本信息

　　办公电话：电子邮件： mixiwei@bjtu.edu.cn

　　通讯地址：北京市海淀区上园村3号北京交通大学交通运输学院邮编：100044

　　教育背景

　　2016.09— 2019.06 中南大学 交通运输工程 博士

　　2018.10—2019.01 莫纳什大学 机械与航空航天工程系 联合培养

　　2013.09—2016.06 中南大学 交通运输工程 硕士

　　2009.09—2013.06 中南大学 交通设备信息工程 学士

　　工作经历

　　2019.07—至今 北京交通大学交通运输学院 副教授

　　2024.04—2024.09 铁科院电子所挂职锻炼

　　研究方向

　　交通运输规划与管理

　　交通运输(专业学位)

　　交通控制与安全

　　物流工程与管理(专业学位)

　　招生专业

　　交通运输规划与管理硕士

　　交通运输硕士

　　安全科学与工程硕士

　　物流工程与管理硕士

　　科研项目

　　自然科学横向项目: 徐工集团工程机械长大平车装载加固优化研究, 2024-2025

　　国家铁路局其他科技项目: 铁组《货物装载加固技术条件》提案论证研究, 2024-2025

　　国家铁路局课题计划: 铁路货物运输规程重点问题研究, 2024-2025

　　其他部市(科技处): 集装箱铁水联运装载、安全检查技术规范及危险货物品名划分标准研究, 2024-2025

　　国铁集团科技开发计划课题: 《铁路货物运输规程》修订研究, 2024-2024

　　自然科学横向项目: 隧道套衬施工设备装载加固方案研究和超限检算, 2023-2023

　　自然科学横向项目: 2022年C100A(C100AH)型敞车卷钢专用鞍座检测, 2022-2023

　　协同中心项目: 面向铁路运输过程的安全保障关键技术, 2022-2024

　　国家重点研发计划-课题: 川藏铁路工程物流多主体协同调度及精准配送技术研究, 2021-2024

　　铁路总公司(原铁道部)(不再新立项): 70t平车超长货物装载技术条件仿真研究, 2021-2023

　　国家自然科学基金"青年基金": 突变大风作用下铁路安全行车主动智能预警理论与方法研究, 2022-2024

　　国家铁路局: 《铁路货物运输规程》修订调研, 2021-2024

　　铁路总公司(原铁道部)(不再新立项): “一带一路”国际物流条件下集装箱液体集装袋技术和运用研究, 2020-2023

　　自然科学横向项目: 武汉北湖25m钢轨六支点转向架检测, 2020-2024

　　国家铁路局课题计划: 铁路货运安全检查技术要求标准研究, 2020-2023

　　国家铁路局: 货物装载加固技术条件校核及提案论证, 2020-2021

　　国家铁路局: 铁路货物运输管理规则修订调研论证, 2020-2023

　　其它: 融合自动机器学习风速预测的高速铁路大风行车智能决策方法研究, 2020-2022

　　自然科学横向项目: 下装下卸集装箱液袋铁路冲击试验测试, 2020-2021

　　自然科学横向项目: 6500~12950mm钢板使用70t敞车运输装载加固方案, 2020-2020

　　国家铁路局: 铁路装卸安全技术标准研究, 2019-2021

　　自然科学类人才基金项目: 基于混合智能学习的铁路风速预测方法研究, 2019-2024

　　教学工作

　　本科生课程：

　　铁路货物运输组织与技术

　　综合交通规划与设计

　　研究生课程：

　　现代货物运输技术

　　学术写作能力

　　欢迎有意接触科研、论文写作，以及有意参加大创、竞赛的同学组队联系。

　　论文/期刊

　　WGformer: A Weibull-Gaussian Informer based model for wind speed prediction[J]. Engineering Applications of Artificial Intelligence, 2024, 131: 107891. (SCI 中科院一区 top，IF: 8)

　　多层级协同的地铁应急救援基地地址优化[J]. 铁道运输与经济, 2024.

　　MRIformer: A multi-resolution interactive transformer for wind speed multi-step prediction[J]. Information Sciences, 2024, 661: 120150 (SCI 中科院一区 top，IF: 8.1)

　　Data Analysis and Preprocessing Techniques for Air Quality Prediction: A Survey[J]. Stochastic Environment Research and Risk Assessment, 2024. (SCI 中科院二区，IF: 4.2)

　　A multi-factor driven spatiotemporal wind power prediction model based on ensemble deep graph attention reinforcement learning networks[J]. Energy, 2023, 263: 126034. (SCI 中科院一区 top，IF: 9)

　　高速铁路预售期旅客购票量分布预测[J]. 铁道科学与工程学报, 2023.

　　Attention mechanism is useful in spatio-temporal wind speed prediction: Evidence from China[J]. Applied Soft Computing, 2023, 148: 110864. (SCI 中科院一区 top，IF: 8.7)

　　An ensemble convolutional reinforcement learning gate network for metro station PM2.5 forecasting[J]. Stochastic Environment Research and Risk Assessment, 2023. (SCI 中科院二区，IF: 4.2)

　　Wind-speed prediction model based on variational mode decomposition, temporal convolutional network, and sequential triplet loss[J]. Sustainable Energy Technologies and Assessments, 2022, 52: 101980. (中科院二区，IF: 8)

　　Improving Synchronization in High-Speed Railway and Air Intermodality: Integrated Train Timetable Rescheduling and Passenger Flow Forecasting[J]. IEEE Transactions on Intelligent Transportation Systems, 2022, 23(3): 2651-2667. (SCI 中科院一区 top，IF: 8.5)

　　A new ensemble deep graph reinforcement learning network for spatio-temporal traffic volume forecasting in a freeway network[J]. Digital Signal Processing, 2022, 123: 103419. (SCI 中科院三区，IF: 2.9)

　　Integrated optimization model for hierarchical service network design and passenger assignment in an urban rail transit network: A Lagrangian duality reformulation and an iterative layered optimization framework based on forward-passing and backpropagation[J]. Transportation Research Part C, 2022, 144: 103877. (SCI 中科院一区 top，IF: 8.3)

　　A dynamic ensemble deep deterministic policy gradient recursive network for spatiotemporal traffic speed forecasting in an urban road network[J]. Digital Signal Processing. 2022, 129:103643. (SCI 中科院三区，IF: 2.9)

　　基于xDeepFM的铁路货物运输时间预测[J]. 交通运输工程与信息学报, 2021, 1-12. (大创)

　　铁路大风灾害预警系统设计与实现[J]. 铁路计算机应用, 2021, 30(10): 6-9. (大创)

　　A new multi-data-driven spatiotemporal forecasting model based on an ensemble graph reinforcement learning convolutional network [J]. Atmospheric Pollution Research, 2021, 12: 101197. (SCI 中科院三区，IF: 4.5)

　　Wind speed prediction based on singular spectrum analysis and neural network structural learning [J]. Energy Conversion and Management, 2020, 216:112956. (SCI 中科院一区 top，IF: 10.4)

　　Wind speed prediction model using singular spectrum analysis, empirical mode decomposition and convolutional support vector machine[J]. Energy Conversion and Management, 2019, 180: 196-205. (SCI 中科院一区 top，IF: 10.4，1%高被引论文)

　　Smart wind speed deep learning based multi-step forecasting model using singular spectrum analysis, convolutional Gated Recurrent Unit network and Support Vector Regression[J]. Renewable Energy, 2019, 143: 842–854. (SCI 中科院一区 top，IF: 8.7)

　　Wind Speed Forecasting Method Using Wavelet, Extreme Learning Machine and Outlier Correction Algorithm [J]. Energy Conversion and Management, 2017, 151: 709-722. (SCI 中科院一区 top，IF: 10.4)

　　城轨系统全生命周期成本关键要素辨识与分析方法研究[J]. 中国基础科学, 2018, 20(126): 31-35.

　　Comparison of three new intelligent wind speed forecasting approaches based on Wavelet Packet Decomposition, Complete Ensemble Empirical Mode Decomposition with Adaptive Noise and Artificial Neural Networks[J]. Energy Conversion and Management, 2018, 155: 188-200. (SCI 中科院一区 top，IF: 10.4，1%高被引论文)

　　Wind speed forecasting method based on deep learning strategy using empirical wavelet transform, long short term memory neural network and Elman neural network[J]. Energy Conversion and Management, 2018, 156: 498-514. (SCI 中科院一区 top，IF: 10.4，0.1%热点论文)

　　Smart multi-step deep learning model for wind speed forecasting based on variational mode decomposition, singular spectrum analysis, LSTM network and ELM[J]. Energy Conversion and Management, 2018, 159: 54-64. (SCI 中科院一区 top，IF: 10.4，1%高被引论文)

　　An experimental investigation of three new hybrid wind speed forecasting models using multi-decomposing strategy and ELM algorithm[J]. Renewable Energy, 2018, 123: 694-705. (SCI 中科院一区 top，IF: 8.7，1%高被引论文)

　　Smart deep learning based wind speed prediction model using wavelet packet decomposition, convolutional neural network and convolutional long short term memory network[J]. Energy Conversion and Management, 2018, 166: 120-131. (SCI 中科院一区 top，IF: 10.4，1%高被引论文)

　　大风条件下动车组滚摆特性研究[J]. 铁道科学与工程学报, 2016, 13(5): 806-811.

　　2024硕士毕业生论文题目：

　　1、复杂风场条件下高速铁路沿线连续多区段大风智能预警方法研究

　　2、基于神经辐射场的铁路复杂外形货物三维重建与装载状态感知研究

　　3、大风干扰场景下高速铁路列车运行调整研究

　　4、基于混合置信规则库方法的大风作用下列车运行安全评价

　　专著/译著

　　专利

　　一种角度和位置纵向可调的铁路运输履带式货物固定装置[P]. 中国专利：ZL202110676715.9, 2025-01-03.(已授权)

　　一种角度和位置纵向可调的铁路运输履带式货物固定装置[P].中国专利：ZL202121357814.2, 2022-1-01-07.(已授权)

　　一种铁路敞车用钢座架卡挡[P].中国专利：ZL202121732472.8, 2022-01-25.(已授权)

　　一种履带式货物加固装置[P]. 中国专利：ZL202110885821.8, 2022-06-28.(已授权)

　　一种铁路运输途中货物位移量实时远程在线监测系统[P].中国专利：ZL202011192556.7, 2021-08-10.(已授权)

　　一种基于气象传感时序模式的运载机器人智能识别楼层的方法[P].中国专利：ZL201710631966.9, 2018-03-27.(已授权)

　　一种运载机器人识别楼层的气象参数智能融合处理方法[P].中国专利：ZL201710631218.0, 2018-03-27.(已授权)

　　一种智能环境运载机器人识别楼层的参数化测量多模型智能融合方法[P].中国专利：ZL201710630336.X, 2018-04-13.(已授权)

　　一种强风高速铁路沿线风速空间网络构造预测方法[P].中国专利：ZL201611024045.8, 2017-07-28.(已授权)

　　一种融合多测风站实测数据的铁路沿线风速预测方法[P].中国专利：ZL201611029514.5, 2017-08-18.(已授权)

　　一种强风高速铁路沿线风速自适应分解预测方法[P].中国专利：ZL201611029592.5, 2018-01-09.(已授权)

　　软件著作权

　　基于神经网络的空铁联运客流预测软件V1.0.

　　基于嵌入式的铁路货物装载加固安全状态监测系统V1.0.

　　获奖与荣誉

　　湖南省优秀博士学位论文

　　社会兼职

　　期刊审稿：IEEE Transactions on intelligent transportation systems、Transportmetrica A、Information Sciences、Engineering Applications of Artificial Intelligence、Applied Energy、Energy Conversion and Management、Applied Intelligence、Energy、Renewable Energy、Journal of Cleaner Production、Journal of Vibration and Control、Physica A、Measurement、中南大学学报、铁道科学与工程学报、铁道运输与经济等

　　会议审稿：TRB、COTA、ISROR等

　　世界交通运输大会轨道交通学部委员、中国人工智能学会自然计算与数字智能城市委员、中国计算机学会(智能交通、大数据、计算机视觉)委员

　　中国运筹学会会员、中国管理科学与工程学会会员

　　国标无损检测超声波、磁粉2级资质;美标超声波检测2级资质

　　以上就是小编为大家分享的：“北京交通大学硕士研究生导师信息：米希伟”，更多研究生导师信息，欢迎继续浏览新东方在线研究生导师频道。